[发明专利]一种基于NAR-TFPF压制地震勘探随机噪声的方法

说明书

本发明属于地震勘探技术领域，具体涉及一种基于NAR‑TFPF压制地震勘探随机噪声的方法。本发明基于NAR‑TFPF压制地震勘探随机噪声的方法包括以下步骤：对地震含噪信号进行分段；根据地震资料中有效信号和随机噪声非线性特性有很大的差异，通过非线性自回归模型(NAR)区分信号段和噪声段；采用时频峰值滤波(TFPF)进行去噪处理，噪声段选取大窗长进行噪声压制，信号段选取小窗长进行保幅，本发明可以在压制强随机噪声的同时保留有效信号，提高地震资料的信噪比，能更准确地用于地质解释。

技术领域

本发明属于地震勘探技术领域，具体涉及一种地震勘探随机噪声压制的方法，尤其涉及一种基于NAR-TFPF压制地震勘探随机噪声的方法。

背景技术

地震勘探随机噪声始终伴随着有效信号出现在地震资料中，能量较大的随机干扰会直接影响动、静校正分析以及最终的成像效果，给后续的地质解释带来不利影响。为此，专家学者们设计、改进了很多用于处理随机噪声的算法。其设计思路大致上可以分为信号增强和噪声压制两类，目的是尽可能地提高地震资料的信噪比，例如f-x反褶积，多项式拟合等属于信号增强算法，中值约束下的矢量分解算法属于噪声压制方法。这些算法已经被广泛使用，且其应用效果相对能够满足生产要求。与此同时，这些算法在应用过程中受到一些假设条件的限制，直接影响了滤波效果。譬如这些算法在处理随机噪声时，以有效信号空间相关而随机噪声空间不相关为依据，且随机噪声是时空域二维的随机过程，只研究空间方向上的随机噪声是远远不够的。

Boashash和Mesbah于2004年提出了一年种新的信号增强算法——时频峰值滤波。基于时频分析理论，先将含噪信号调制解析信号，求出解析信号的维格纳时频分布(WVD)，通过估计WVD的最大值获取瞬时频率，达到信号增强的目的。TFPF最先应用于新生儿的脑电分析中，2005年被首次应用到地震勘探随机噪声的压制中，根据TFPF的滤波理论，它能够从强高斯白噪声中恢复线性信号，但会对非线性信号造成失真，而地震信号尤其是频率较高的信号都具有非线性特性。为了避免这一问题，用伪维格纳分布(PWVD)来替代WVD，以此来确保窗内瞬时频率的线性条件。改进后的TFPF对强随机噪声背景下地震信号的恢复取得了有效的结果，但窗长的选取对于TFPF压制随机噪声和保留有效信号波形至关重要。为了获得更好的滤波效果，在过去的几年里，林红波等人利用窗长，采样频率和信号主频之间的关系，提出了变窗长TFPF。该方法先将含噪信号分成任意长度的时间序列，在不同时间序列选择不同的窗长，以此来解决由于TFPF窗长不合适导致的高频分量失真。刘彦萍等人采用经验模式分解(EMD)来改进传统的TFPF。利用EMD的分解特性将含噪信号分解为从高频到低频的几种模态，并为不同的频率模态选择不同的TFPF窗长，通过识别信号分量来实现降噪以及保幅。对含噪信号直接进行时间段分段处理，无法准确区分噪声段和信号段，且受时间序列长度影响，不能采取最合适的窗长；对含噪信号进行EMD分解，容易出现模态混叠的问题。

近年来，非线性是随机信号分析中的重要标准之一，并被广泛应用于临床诊断，股票预测，机械故障诊断等领域。地震信号与随机噪声的非线性程度不同，通过非线性度区分地震数据中的信号部分和噪声部分，并在噪声部分选择长窗长，信号部分选择短窗长，同时增强信噪比和信号保幅度。当一道含噪信号使用固定窗长进行滤波时，选择长窗长能够较好地抑制噪声，但同时有效信号幅度也被衰减；选择短窗长对有效信号幅值有较好的保幅度，但不能更有效地压制噪声，滤波后的地震数据信噪比较低。如何能在压制噪声的同时保持有效信号的幅度，是我们亟待解决的问题。

发明内容

针对现有技术中存在的无法同时有效压制噪声和保持信号幅度的问题，本发明提供了一种基于NAR-TFPF压制地震勘探随机噪声的方法。

为了达到上述目的，本发明采用了下列技术方案：

一种基于NAR-TFPF压制地震勘探随机噪声的方法，包括以下步骤：

步骤1，对地震数据进行PCNN分段处理；